AIAI 工具图鉴
← 返回全部文章
·约 12 分钟

AI不会读PDF？一条命令装现成技能，50万条免费开源

技能插件Agent
下载视频

配套媒体

本页对应的 PPT 与演示视频

skillnet-recommend.mp4
下载没反应？点这里复制直链

侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。

视频../../skillnet-recommend.mp4
本文目录
  1. 一、它到底解决什么问题
  2. 二、真实演示：官方 demo 抽帧
  3. 三、和传统做法的差别
  4. 四、上手：三条命令就能跑
  5. 五、评估维度：五维打分，不执行脚本
  6. 六、路由：任务进来，先建 Wiki 再选技能
  7. 七、生态：已经有人把它当"技能 PyPI"
  8. 八、适合谁、不适合谁
  9. 九、基本信息

AI不会读PDF？一条命令装现成技能，50万条免费开源

浙大 NLP 实验室（zjunlp）和 OpenKG 联合开源 SkillNet，把 GitHub 上 50 万+ 条 AI Agent 技能做成了一个可搜索、可下载、可打分、可路由的"技能版 PyPI"。

冲突在于：现在几乎所有人用 Agent 的方式是"看到别人分享的 Skill 文件夹 → 手动复制进本地 → 凭感觉判断好不好"。SkillNet 把这三步全部自动化，并且搜索和下载不需要任何 API key。

对普通用户来说，这意味着：你电脑上的 Agent 不再只会写代码，而是可以一条命令找到"读 PDF 表格""清洗 CSV""做短视频脚本"这类现成技能，直接装进 ~/.claude/skills 或 ~/.workbuddy/skills 用。

数据与局限：技能索引规模、命令与评估维度均来自官方 README 与 arXiv 报告（2603.04448）；评估与路由的质量依赖底层模型，这一点官方自己也写明。

SkillNet 官方 logo 与项目定位

一、它到底解决什么问题

Agent 生态现在最大的痛点不是模型不够强，而是能力碎片化：同一个"读 PDF"的需求，GitHub 上有几百个实现，质量参差不齐，没有统一的索引、没有质量评分、没有"这个技能和那个技能能不能配合"的关系信息。

SkillNet 给出的答案是六个操作，覆盖技能的全生命周期：

环节 官方命令 作用
搜索技能 skillnet search 关键词 --mode vector 在 50 万条技能库里按语义找现成 Skill
安装技能 skillnet download 链接 -d ./my_skills 把 GitHub 技能文件夹整包下载到本地
生成技能 skillnet create --prompt 描述 从提示、仓库、PDF 或执行轨迹自动生成技能包
评估技能 skillnet evaluate ./my_skill 五个维度打分：安全、完整、可执行、可维护、成本
分析关系 skillnet analyze ./my_skills 构建 compose_with 与 similar_to 关系图
路由技能 skillnet route 任务描述 --index-dir ./idx 从本地库选出最多 k 个技能并给出选择理由

SkillNet 六个操作一览

二、真实演示：官方 demo 抽帧

官方仓库里有 4 段演示视频，下面是从视频里抽出来的真实画面。

1）技能库总览（技能分类、关系、评估维度）

SkillNet 技能库总览

2）在 Claude Code 里用 SkillNet

Claude Code 中使用 SkillNet 官方演示

3）在 OpenClaw 里自动发现并复用技能

OpenClaw 内置 SkillNet 官方演示

4）Web 平台：像浏览包管理器一样浏览技能

SkillNet Web 平台官方演示

5）科研工作流实例：单细胞测序分析、通路查询、靶点验证

科研技能发现与复用实例

三、和传统做法的差别

对比维度 SkillNet 手动复制粘贴 Skill 自建技能清单
技能库规模 50 万+ 条 GitHub 技能去重索引 靠个人搜索凑 几百条人工整理
检索方式 关键词、语义向量、按 star 排序 只有关键词 目录浏览
质量评估 安全、完整、可执行、可维护、成本五维 无 主观判断
技能关系 compose_with / similar_to，带源行引用 无 无
任务路由 Fabric 为每个任务生成 Wiki 再选技能 手动粘贴 静态工具声明
本地界面 skillnet ui 打开 127.0.0.1:8765，无需模型 key 无 无
接入方式 官方 MCP server、OpenClaw、JiuwenClaw 内置 逐个手动装 自写脚本

SkillNet vs 传统做法

四、上手：三条命令就能跑

# 1) 装包（带本地界面）
pip install "skillnet-ai[ui]>=0.1.2"

# 2) 搜技能：不需要任何 API key
skillnet search "pdf understanding" --limit 5

# 3) 装进本地技能目录
skillnet download https://github.com/anthropics/skills/tree/main/skills/pdf -d ./my_skills

打开本地浏览界面（不配模型 key 也能浏览）：

skillnet ui --skills-dir "C:/绝对路径/到/skills"
# 浏览器打开 http://127.0.0.1:8765

Python SDK 写法：

from skillnet_ai import SkillNetClient

client = SkillNetClient()

# 语义搜索：在 50 万条技能里找"从发票图片提取结构化表格"
results = client.search(
    q="extract structured tables from invoice images",
    mode="vector",
    threshold=0.85,
    limit=5,
)
for skill in results:
    print(skill.skill_name, skill.stars, skill.skill_url)

# 整包下载
client.download(results[0].skill_url, target_dir="./my_skills")

注意：搜索和公开下载不需要 key；create / evaluate / analyze 需要一个 OpenAI 兼容的 Chat Completions 端点，route 还需要 embedding 端点 + Claude 或 Codex Agent SDK。

五、评估维度：五维打分，不执行脚本

evaluate 只读技能指令和支持文件，不跑脚本，输出每个维度的 level（Good / Average / Poor）和 reason：

report = client.evaluate("./my_skills/pdf")
print(report["safety"]["level"], report["safety"]["reason"])
print(report["maintainability"]["level"], report["maintainability"]["reason"])

五个维度是：安全、结构完整、可执行、可维护、成本意识。这一点对普通用户很关键——装第三方 Skill 前先看它会不会偷偷执行命令、有没有依赖缺失、token 成本是否过高。

六、路由：任务进来，先建 Wiki 再选技能

analyze 会读本地含 SKILL.md 的子目录，产出索引、关系图和 Wiki；route 用混合检索 + 图扩展找候选，再由 Claude 或 Codex Agent SDK 在任务 Wiki 里比较，最终选出最多 k 个技能并给出理由：

analysis = client.analyze("./my_skills", output_dir="./skillnet_index")
print(analysis.skill_count, analysis.relation_counts)

result = client.route(
    "Extract tables from my PDF report and check the resulting CSV "
    "for missing values and duplicate rows.",
    index_dir="./skillnet_index",
    k=5,
)
for skill in result.skills:
    print(skill.skill_id, skill.name, skill.path, skill.reason)

关系只有两种：有向的 compose_with（一个技能的输出或状态支撑另一个）和无向的 similar_to（能力相近）。两者都绑定具体场景。

七、生态：已经有人把它当"技能 PyPI"

  • OpenClaw：把 SkillNet 作为内置技能发现组件
  • JiuwenClaw：集成成内置技能市场
  • skillnet-mcp（CycleChain 维护）：官方 MCP server，接 Claude Code / Cursor 等任意 MCP 客户端
  • 公开 REST API：无需鉴权
curl "http://api-skillnet.openkg.cn/v1/search?q=pdf&sort_by=stars&limit=5"
curl "http://api-skillnet.openkg.cn/v1/search?q=reading%20charts&mode=vector&threshold=0.8"

八、适合谁、不适合谁

适合：

  • 已经在用 Claude Code / Cursor / OpenClaw / WorkBuddy 这类 Agent，技能目录越来越乱的人
  • 做科研自动化（文献、数据分析、实验流程）的人——官方有 scRNA-seq 工作流 notebook
  • 想把自己的重复工作沉淀成可复用 Skill 的人（create 支持从执行轨迹生成）

不适合 / 需要谨慎：

  • 评估与路由质量依赖底层模型，模型换了结果会变
  • 50 万条索引里质量必然参差，evaluate 是静态分析，不等于实测跑通
  • 装第三方 Skill 前仍然要人工看一遍脚本内容，安全维度只是打分不是沙箱

九、基本信息

项目 内容
仓库 zjunlp/SkillNet
开源协议 MIT
Stars / Forks 1402 / 152
语言 Python 3.10+
包名 skillnet-ai（PyPI）
论文 arXiv:2603.04448
官网 skillnet.openkg.cn
索引规模 500K+ GitHub 技能
最新功能 0.1.2 本地浏览器界面、SkillNet-Gym 基准、SkillNet-Fabric 路由